定義により、序数スケールは、ノッチ間の真の距離1 2 3 4
が不明なゲージです。薬物/アルコールの下で支配者を見ているようなものです。真の距離は任意です。それは1 2 3 4
、1 2 3 4
または何であってもよいです。距離を決定しない限り、相関などの統計を計算することはできません。
rrhorrhor
rr"。最適なスケーリングは、カテゴリー回帰(CATREG)で実行できます。ただし、カテゴリー回帰では、他の入力変数が離散的(必ずしも序数である必要はない)である必要があるため、多くの一意の値が連続している場合は、ユーザーが任意にビニングする必要があります。
他のアプローチもあります。しかし、いずれにしても、序数スケールは未知の方法で歪められているため、序数スケールを「〜のように」単調に変換します(ある仮定またはいくつかの目標)。根本的に別の決定は、最初に「落ち着いて」、それが歪んでいない(つまり、間隔である)か、既知の方法で歪んでいる(非等間隔)か、または名目上であると決定することです。
一部の非対称アプローチには、他の(間隔/連続)方法による順序変数の順序回帰が含まれる場合があります。または、予測変数が多項式の対比と見なされる(つまり、と入力されるb1X + b2X^2 + b3X^3,...
)モデルを使用した、後者の序数回帰。これらのアプローチの弱点は、それらが非対称であることです。1つの変数は依存しており、もう1つは独立しています。